基于ITD-SVD和MOMEDA的故障特征提取方法
杨静宗
杨天晴
吴丽玫
保山学院 大数据学院,云南 保山 678000
摘要：为提高滚动轴承故障诊断的准确性,提出一种基于固有时间尺度分解(ITD)、奇异值分解(SVD)和多点最优最小熵反褶积(MOMEDA)相结合的故障特征提取方法.首先,采用ITD分解故障振动信号,并构建基于峭度和相关系数的组合权重指标筛选准则,从而完成分量信号的筛选与重构.其次,对其进行SVD滤波降噪.最后,利用MOMEDA提取降噪后信号中的周期性冲击成分,并通过Hilbert包络谱分析得到诊断结果.经过实验数据分析,结果表明所提出的方法不仅能滤除噪声干扰,增强故障特征信息,而且能准确提取出故障特征.
关键词：固有时间尺度分解奇异值分解(SVD)多点最优最小熵反褶积(MOMEDA)故障特征提取
分类号：TP18(自动化基础理论)
资助基金：云南省科技厅地方本科高校基础研究联合专项资助项目(2019FH001-121)云南省大学生创新创业训练计划资助项目(S202010686007)保山市中青年学术和技术带头人培养项目(202109)
论文发表日期：2021-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 48-56 )
英文信息